regex - 使用 gsub 从开始到第一次出现字符

Question

我有以下正则表达式，我想抓住从句子开头到第一个的所有内容##。我可以strsplit像我演示的那样使用它来完成这项任务，但我更喜欢一个gsub解决方案。如果gusub不是正确的工具（我认为是），我更喜欢基本解决方案，因为我想学习基本的正则表达式工具。

x <- "gfd gdr tsvfvetrv erv tevgergre ## vev fe ## vgrrgf"

strsplit(x, "##")[[c(1, 1)]]  #works

gsub("(.*)(##.*)", "\\1", x)  #I want to work

score 17 · Accepted Answer

只需添加一个字符，?在第一个量词之后加上一个使其“非贪婪”：

gsub("(.*?)(##.*)", "\\1", x) 
# [1] "gfd gdr tsvfvetrv erv tevgergre "

这是相关文档，来自?regex

默认情况下，重复是贪婪的，因此使用最大可能的重复次数。可以通过附加“？”将其更改为“最小”。到量词。

score 4 · Accepted Answer

4

我会说：

sub("##.*", "", x)

删除所有内容，包括第一次出现##.

于 2012-11-28T15:53:07.950 回答

score 4 · Accepted Answer

在这种情况下，我会反过来说，即用#空字符串替换后面的所有内容：

gsub("#.*$", "", x)
[1] "gfd gdr tsvfvetrv erv tevgergre "

但是您也可以使用 non-greedy 修饰符?使您的正则表达式按照您建议的方式工作：

gsub("(.*?)#.*$", "\\1", x)
[1] "gfd gdr tsvfvetrv erv tevgergre "

score 3 · Accepted Answer

这是另一种使用更多字符串工具而不是更复杂的正则表达式的方法。它首先找到第一个 ## 的位置，然后提取到该点的子字符串：

library(stringr)
x <- "gfd gdr tsvfvetrv erv tevgergre ## vev fe ## vgrrgf"
loc <- str_locate(x, "##")
str_sub(x, 1, loc[, "start"] - 1)

一般来说，我认为这种循序渐进的方法比复杂的正则表达式更易于维护。

score 1 · Accepted Answer

试试这个作为你的正则表达式

^[^#]+

从字符串的开头开始并匹配任何不 a#到第一个的#

score 1 · Accepted Answer

这里已经有几个更简单的答案，但是由于您在问题中指出您想了解基础 R 中的正则表达式支持，所以这是另一种方式，使用积极的前瞻性断言(?=#)和非贪婪选项(?U)。

regmatches(x, regexpr('(?U)^.+(?=#)', x, perl=TRUE))
[1] "gfd gdr tsvfvetrv erv tevgergre "

6 回答 6